QueryDet-PyTorch环境配置指导

一、介绍

QueryDet是一个由粗到细不断精细化的小目标检测算法,链接为https://github.com/ChenhongyiYang/QueryDet-PyTorch

二、官方的安装过程与提醒

官方测试环境为 CUDA 10.2,但实际上没有那么严苛,我使用的 CUDA 11.3,可以正常跑通,但是由于spconv最高只支持 CUDA 12.0,所以高于12.0的版本可能就不支持了。本节是官方的安装过程,第三节是我配置的环境,可以作为一个参考。

1.安装python

conda create -n querydet python=3.7 -y

首先安装python环境,可能由于python 3.7 版本有点老,运行时会报错,显示“需要更新setuptools”。如果出现了这个问题,按照报错信息搜索就可以找到解决方法。

2.安装torch

pip install torch==1.8.1+cu101 torchvision==0.9.1+cu101 -f https://download.pytorch.org/whl/torch_stable.html

3.安装detectron2

python -m pip install detectron2==0.4 -f https://dl.fbaipublicfiles.com/detectron2/wheels/cu102/torch1.7/index.html

detectron2不仅支持官方推荐的,也可以安装其它版本,但是一定要和 torch 版本匹配,查看 https://detectron2.readthedocs.io/en/latest/tutorials/install.html

4.安装spconv

pip install spconv-cu102==2.1.25

spconv要和 cuda 版本匹配,所有支持的 cuda 版本和对应的安装指令如下。
在这里插入图片描述

三、我配置的环境

cuda:11.4
detectron2:0.6+cu113
pycocotools:2.0.7
spconv-cu113 :2.3.6
torch :1.10.0

  • 0
    点赞
  • 4
    收藏
    觉得还不错? 一键收藏
  • 13
    评论
要配置deeplabv3-plus-pytorch的训练环境,您需要进行以下步骤: 1. 安装Python:确保已经安装了Python,并建议使用Python 3.6或更高版本。 2. 创建虚拟环境(可选):为了隔离不同项目的依赖,建议在项目中使用虚拟环境。您可以使用`venv`模块或第三方工具(如`conda`)创建和管理虚拟环境。 3. 安装PyTorch和TorchVision:PyTorch是进行深度学习的基础库,而TorchVision提供了处理图像数据集的工具。您可以使用以下命令安装PyTorch和TorchVision: ``` pip install torch torchvision ``` 如果您需要特定的PyTorch版本,可以在安装命令中指定版本号。 4. 克隆deeplabv3-plus-pytorch仓库:将deeplabv3-plus-pytorch的代码库克隆到本地: ``` git clone https://github.com/VainF/DeepLabV3Plus-Pytorch.git ``` 5. 安装依赖项:进入克隆的代码库目录,并使用以下命令安装所需的Python依赖项: ``` pip install -r requirements.txt ``` 6. 下载预训练模型权重(可选):如果您想从预训练模型开始训练,您可以下载已经预训练好的权重。可以在代码库的README文件中找到下载链接,并将权重文件保存到适当的位置。 7. 准备数据集:根据您的任务和数据集,将图像和标签数据组织到相应的文件夹中。确保数据集的文件路径与代码库中的配置文件相对应。 8. 开始训练:运行相应的训练脚本,例如`train.py`,并根据需要配置训练参数。您可以通过命令行参数或修改配置文件来设置训练参数。 以上是一个基本的环境配置过程,具体的步骤可能会因为您的特定环境和需求而有所不同。请参考deeplabv3-plus-pytorch代码库中的文档和说明,以获取更详细的配置指导

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 13
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值